- 综合排序
- 最热优先
- 最新优先
- 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
AI Earth ——开发者模式案例8：利用Landsat-8数据进行地表温度反演
利用 Landsat-8 数据进行地表温度反演¶ 初始化环境¶ import aie aie.Authenticate() aie.Initialize() Landsat-8 数据检索¶ 指定区域、 时间、云量检索 Landsat-8 ，并对数据进行去云处理。 lst_params = { 'min': 291, 'max': 330, 'palette': ['#040274', '#040281', '#0502a3', '#0502b8' , '#0502ce', '#0502e6', '#0602ff', '#235cb1', '#307ef3', '#269db1', '#30c8e2', '#32d3ef ', '#86e26f', '#3ae237', '#b5e22e', '#d6e21f', '#fff705', '#ffd611', '#ffb613', '#ff8b13
89310编辑于 2024-02-02 - 来自专栏Go语言学习专栏
8 - AI 服务化 - AI 超级智能体项目教程
本节重点 AI 服务化是指将原本只能本地运行的 AI 能力转化为可远程调用的接口服务，使更多人能够便捷地访问 AI 能力。 通过本节学习，你将掌握如何将 AI 智能体转变为可供他人调用的服务 具体内容包括： AI 应用接口开发 AI 智能体接口开发 在开始之前，先给大家提个醒，Spring AI 版本更新飞快，有些代码的写法随时可能失效 一、AI 应用接口开发 我们平时开发的大多数接口都是同步接口，也就是等后端处理完再返回。 chatId) { // 创建一个超时时间较长的 SseEmitterSseEmitter emitter = new SseEmitter(180000L); // 3分钟超时// 获取 Flux 数据流并直接订阅 点击接口旁边的绿豆就能自动生成测试代码： 二、AI 智能体接口开发 由于智能体执行过程通常包含多个步骤，执行时间较长，使用同步方法会导致用户体验不佳。
29010编辑于 2026-03-17 - 来自专栏月色的自留地
从锅炉工到AI专家(8)
vgg.py: #这个程序相当于一个库，不会直接执行， #所以开始没有用于脚本模式的标志 # -*- coding=UTF-8 -*- import tensorflow as tf import numpy relu5_3', 'conv5_4', 'relu5_4', 'pool5', 'fc6', 'relu6', 'fc7', 'relu7', 'fc8' /usr/bin/env python # -*- coding=UTF-8 -*- import vgg import os,sys import numpy as np import scipy.misc ，因此执行这个程序建议至少是16G内存8核以上CPU，当然如果有GPU支持就更好了。 载入已经训练好的数据集，这个数据集实际是matlab/octave格式的，python可以很好的支持直接读入或者存储matlab数据集用于同其它项目共享资源。
847130发布于 2018-06-20 - 来自专栏大飞的部落阁
HttpRunner-8-数据驱动
数据驱动概览 为什么要用数据驱动 举个简单例子，当我们在测试一个输入框的功能时，可能需要输入不同的参数，此时，我们不需要设计多个用例，而只需要将输入值参数化，将不同的参数作为一个列表通过数据驱动的方式进行加载即可 httprunner 的数据驱动 通过上篇文章，我们已经知道 httprunner 的数据驱动需要在 testsuite 中使用关键字 parameters 来定义。 定义数据源的三种方式 在 testsuite 的 yaml/json 文件中直接定义。 通过内置的 parameterize 函数引用外部 csv 文件，适用大数据场景。 通过以上内容，我们可以知道，在 HttpRunner 的数据驱动中，我们有 6 种方式进行实现。 独立参数 & 引用自定义函数 6 关联参数 & 引用自定义函数 数据驱动实例 在上面我们已经介绍了 6 中驱动模式，而且也学习了直接在 yml 文件中定义参数的两种场景，那怎么使用 CSV 文件实行数据驱动呢
62510编辑于 2022-06-17 AI引用机制实测研究：4大平台8周对比数据
本文基于8周实测数据，为你揭示如何制定优先级策略。我花了两个月时间，进行了一次系统性测试。使用同一个网站的内容，在四大AI平台上反复验证。 并非一两次的随机测试，而是每周固定时间测试一次，持续8周，累计采集了超过200个数据点。举个例子：一位朋友运营着一个技术博客，专门撰写AI工具使用教程。优化前，他的内容在豆包上每周仅有2-3次引用。 我协助他将文章重构，增加了FAQ块、数据对比表格，并将标题从"AI工具推荐"改为"2026年最好用的5个AI写作工具（附实测对比）"。两周后，豆包引用量飙升至每周15次，增长5倍。 下表总结了8周实测的核心数据：平台引用频率偏好内容类型响应速度用户体量豆包★★★★结构化内容（FAQ/步骤/数据）1-2周2亿+月活Kimi★★★深度长文（3000字+/案例丰富）3-4周数千万月活DeepSeek 实测数据附录：8周监测速查表平台月活量级引用频率偏好内容类型响应周期豆包2亿+★★★★FAQ/表格/步骤/数据1-2周Kimi数千万★★★深度长文+案例+对比3-4周DeepSeek数千万★★代码/参数
18210编辑于 2026-07-27- 来自专栏前端数据可视化
『n8n』让AI长记性
点赞 + 关注 + 收藏 = 学会了 在 n8n 中 AI Agent 默认只停留在“一次性交互”的层面。 n8n 的「AI Agent 节点」其实已经提供了接入记忆能力的接口「Memory」。 点击「Memory」接口可以调用各种数据库，但前提是你已经安装了这些数据库。 n8n 提供了一个简单的数据库给我们使用：「Simple Memory」 如果你的需求不复杂，只想让AI有一点点记忆，用它就行。
20210编辑于 2026-05-22 - 来自专栏【腾讯云开发者】
8本醍醐灌顶的AI好书！
传统程序员就业形式正在下滑，AI 相关岗位走势一片大好，渲染一个 AI 实习生等于 10 个外卖员的焦虑并不可取，忽视 AI 这房间里的大象也是鸵鸟行径。 程序员在 AI 时代需要想清楚三件事： 怎么驾驭 AI 工具 怎么用 AI Build 产品 怎么看清 AI 行业趋势 为了帮助大家深入这三个问题，找出自己的答案，腾讯云开发者联合机械工业出版社制定了本期 「系统化管理AI的输入输出」。 过去自动化在编程领域里的发展，可能写个 AI 单测就已经是非常先进的开发团队了，但在 AI 时代，Skill 的提出让程序员干掉重复劳动的痛点更进了一步。 如果你是后端/数据工程师，推荐系统的架构设计（特征工程、在线serving、AB实验体系）是非常值得学的工程范式。 08、智能体：基于大模型的产业实践 企业级智能体的技术路径，三年迭代了三轮。
30710编辑于 2026-06-25 8亿！OpenAI发布企业AI现状报告
OpenAI刚刚发布《2025年企业AI现状报告》，这份报告基于真实使用数据和近100家企业9000名员工的调研，首次公开了企业级AI使用的真实规模。 数据显示，ChatGPT每周为超过8亿用户提供服务，而企业端的使用增长更加惊人。 使用规模爆炸式增长 过去一年，ChatGPT Enterprise的每周消息量增加了约8倍，员工人均消息发送量提升30%。 员工感受到实际价值 75%的员工表示在工作中使用AI提升了工作速度或产出质量。员工平均每日节省40-60分钟，重度用户每周可节省超过10小时。 前沿用户与普通用户差距拉大 数据显示，"前沿"员工和"前沿"企业与中位数之间的差距正在拉大。位于第95百分位的前沿员工发送的消息量是中位数员工的6倍，前沿企业人均消息发送量是其他企业的2倍。
22010编辑于 2026-06-23AI日报 - 2025年4月8日
AI日报 - 2025年4月8日 今日概览（60秒速览） ▎ 模型进展 | Llama 4发布引爆讨论 (性能、应用、部署、训练争议)，OpenAI保持高速迭代，香港大学推Dream 7B扩散模型。 四种先进注意力机制 (Slim, XAttention, KArAt, MTA)️ 技术领域：LLM架构 / 注意力机制 ● 技术突破点： ▸ Slim attention: 通过仅存储K并重算V，实现8倍内存减少和 5.2 Geoffrey Hinton (诺贝尔奖得主, AI先驱) 影响力指数：★★★★☆ "AI导师可能通过数据精准识别学习中的误解，从而在本科教育领域超越人类教师...大学本科教育可能变得不那么必要 6.3 Curator (by Bespoke Labs)️ 适用场景：LLM后训练, 结构化数据提取, 合成数据生成与管理 ● 核心功能： ▸ 简化为LLM后训练和结构化数据提取生成合成数据的流水线 ● 有趣之处： ▸ AI不仅生成了视觉风格（8/16位像素艺术），还实现了游戏机制（地图行走、NPC互动、回合制战斗、商店系统）。
51100编辑于 2025-04-07- 来自专栏软件测试学习
AI 日报 | 2026年6月8日
3000亿港元 8 Google确认Gemini 3.5 Pro将于6月发布 9 OpenAI GPT-5.6泄露，增强推理与降低Token成本 10 斯坦福AI指数报告：公众信任度下降11个百分点 重点报道 一、苹果WWDC26今晚开幕：Siri接入Gemini，迎15年来最大重构 北京时间6月9日凌晨1点（美国时间6月8日上午10点），苹果全球开发者大会WWDC 2026将在Apple 全生态AI升级 Apple Intelligence全面增强，涵盖辅助功能、相机视觉、Find My改版等20余项AI核心新功能 关键数据 Siri诞生至今：15年首次彻底重构 iOS 27将引入超过 曾致电警告"会输给中国" 处罚 违规最高罚年营收10% 关键数据 审查窗口：30天（从90天缩短） 科罗拉多AI法案生效日期：6月30日 亚利桑那州拟对数据中心电价加征：45% 全球AI监管趋势：加速立法 参考来源 中国科学院：斯坦福大学发布2026年人工智能指数报告 头条网：斯坦福HAI 2026年AI指数报告十五大核心发现 一周AI趋势回顾 本周（6月1日-8日）AI行业呈现三大核心趋势： 趋势一：
1.9K10编辑于 2026-06-09 - 来自专栏软件安装
Github 热门的8个AI小软件
GitHub上8个热门且实用的AI小软件，开发、效率、多模态等场景都有，按Star数与社区活跃度排序： ▌ 1. 核心能力：工作流编排、API服务封装、数据集管理、多模型接入，支持快速搭建可运营的AI服务（如文档问答、智能客服）。 亮点：Docker一键部署，内置用户系统与支付模块，适合快速验证AI产品商业化。 核心能力：文档对话、多模型切换、插件扩展，可本地化部署保障数据隐私。 亮点：适配私有部署场景，适合企业搭建内部知识问答系统或私有智能助手。 ▌ 5. E2B（e2b-dev/E2B） image Star：8.3k+；定位：AI安全代码执行沙箱环境。 核心能力：提供云原生隔离环境，支持AI执行Python/JS等代码，用于数据分析、教学与调试。 亮点：免本地环境配置，支持自定义镜像，适合需要安全代码执行的AI应用（如自动编程助手）。 ▌ 8.
89010编辑于 2026-03-26 - 来自专栏AI科技评论
AI 影响因子 8 月份回顾：腾讯 AI Lab 再占榜首
「AI 影响因子」是雷锋网学术频道 AI 科技评论旗下数据库项目，旨在呈现国内企业研究院学术&开发实力，为高校学生及从业者提供在会议/期刊论文、数据集比赛及开发项目三大领域的横向对比参考。 KDD 2018：滴滴提出WDR模型显著提升ETA预测精度 滴滴 KDD 2018 论文详解：基于强化学习技术的智能派单模型 Part.2 比赛 全国知识图谱与语义计算大会（CCKS 2018）于 8 滴滴科技开放日：如何利用出行交易中的大数据优化乘客体验 以上便是 AI 影响因子 8 月活跃企业的主要信息。 雷锋网学术频道 AI 科技评论旗下数据库项目「AI 影响因子」： 「AI 影响因子」是一个呈现国内企业研究院学术&开发实力的数据库，为高校学生及从业者提供在会议/期刊论文、数据集比赛及开发项目三大领域的横向对比参考 与此同时，这三部分的内容也为企业研究院在「AI 影响因子」上的展示提供翔实而准确的数据基础，并作为「AI 影响因子」数据库及衍生榜单的重要标准。
1.5K20发布于 2018-09-21 - 来自专栏全栈开发工程师
AI日报 - 2025年3月8日
AI日报 - 2025年3月8日 今日概览（60秒速览） ▎ AGI突破 | OpenAI计划2027年宣布实现AGI Elon Musk提出融合AGI、特斯拉机器人、xAI与Neuralink 自主学习 ▎ 应用创新 | Pika Labs推出1080p高精度AI视频工具 Claude AI在Pokémon游戏中展现情感保护行为 一、今日热点 (Hot Topic) 1.1 OpenAI PyTorch生态，降低迁移成本 应用前景：加速自动驾驶、实时视频处理等高算力需求场景 2.2 LADDER与TTRL自主学习框架 ️ 技术领域：强化学习 ● 技术突破点： ▸ 通过自生成训练数据减少人工标注依赖 (Sector Watch) 3.1 开源模型生态 领域概况：开源社区贡献量同比增长200% ◼ 核心动态：Hugging Face发布QwQ 32B模型，评测表现超越Meta Llama 数据亮点 ：Google AI推出医疗智能探索器AMIE，实现疾病管理全流程覆盖 深度解析：结合多模态数据，诊断准确率提升至98.7% ◼ 产业链影响：医疗影像、基因测序企业加速AI转型 趋势图谱：AI
63410编辑于 2025-03-09 - 来自专栏Lcry个人博客
解决数据库导入报错Unknown collation: utf8mb4_0900_ai_ci
由于一台vps在下个月就要到期了，不打算续费了，所以打算把上面的数据进行迁移一下，然后迁移数据库某个库的时候报错了Unknown collation: 'utf8mb4_0900_ai_ci'，我是通过 这个错误通常是由于 MySQL 数据库版本过低导致的，因为导出的数据库版本是8.0.x，而目标mysql库是5.7.x，因为 utf8mb4_0900_ai_ci 是 MySQL 8.0.0 及以上版本引入的一种字符集排序规则 在 MySQL 8.0.0 及以上版本中，utf8mb4_0900_ai_ci 是默认的字符集排序规则。 方案三：修改数据库配置文件（来自GPT回答，未测试） 如果您无法更改字符集排序规则或升级 MySQL 版本，您可以尝试修改 MySQL 配置文件，启用 utf8mb4_0900_ai_ci 排序规则。 在 MySQL 配置文件中添加以下配置： [mysqld] # 启用 utf8mb4_0900_ai_ci 排序规则 collation-server=utf8mb4_0900_ai_ci 然后重启 MySQL
14.1K32编辑于 2023-07-21 - 来自专栏信息技术智库
8.MySQL 数据操作 DML
8.MySQL 数据操作 DML 数据的DML操作：添加数据，修改数据，删除数据 添加数据 格式： insert into 表名[(字段列表)] values(值列表...); --标准添加（指定所有字段 'aa',19,'m','lamp138'); Query OK, 7 rows affected (0.27 sec) Records: 7 Duplicates: 0 Warnings: 0 修改数据 ' where id in(12,14); Query OK, 2 rows affected (0.09 sec) Rows matched: 2 Changed: 2 Warnings: 0 删除数据 affected (0.00 sec) -- 删除stu表中id值为20到30的数据 mysql> delete from stu where id>=20 and id<=30; Query OK, 0 rows affected (0.00 sec) -- 删除stu表中id值为20到30的数据（等级于上面写法） mysql> delete from stu where id between 20
42720编辑于 2022-07-29 - 来自专栏分布式｜微服务｜性能优化｜并发编程｜源码分析
8.索引数据路由规则
index.routing_partion_size shared_num = (hash(_routing)+hash(_id) % routing_partion_size) % num_primary_shards 目的是为了避免大量的数据被路由到极少数分片 ，加上routing_partion_size，对于相同的routing，可以通过routing_partion_size打散开来 使用自定义路由分发数据 定义mapping，启用routing必填 PUT number_of_shards": 3 }, "mappings": { "_routing": { "required": true } } } 添加一条数据 routing=10 演示查询全部数据，可以不带routing，但是会搜索所有分片 POST lglbc_routing/_search { "query": {"match_all": {}}
43520编辑于 2023-10-10 - 来自专栏生信技能树生信入门马拉松
Day8 GEO数据挖掘
差异分析中的log默认是log2GEO数据库介绍三部分信息：系列号-样本号-平台信息基因芯片：探针的表达量代表基因的表达量，探针与序列绑定芯片数据：数据Type: Expression profiling by array转录组测序: 数据Type: Expression profiling by high throughput sequencing找数据1.直接取GEO官网找2.文献中找下载数据1.传统下载方式 ', getGPL = F)2.从网页上下载/发链接让别人帮忙下，放在工作目录里需要下载表达数据、临床信息、GPL编号表达数据：看数据范围决定是否需要log，是否有负值，异常值看是否有异常样本:样本间的表达量较一致 ，在0-20间，如果都小于4则说明取了不止一次log异常样本处理：1.删除2.代码拉平：exp = limma::normalizeBetweenArrays(exp)负值分情况讨论：2.3两种情况的数据弃用取过 log，少量负值--正常没取log，有负值--错误数据3.有一半负值，中位数为0--做了标准化
49710编辑于 2024-05-08 - 来自专栏运维监控日志分析
rsync + sersync 数据同步 -- CentOS 8
rsync + sersync rsync 是 linux 系统下的数据镜像备份工具。 sersync 是基于 inotify 开发的，类似于 inotify-tools 的工具，对指定目录文件进行监听（记录具体文件 目录的增加、删除、修改），通过 rsync 进行数据增量同步，只同步发生变化的文件或者目录 rsync+sersync 数据同步 1. sersync 监控指定目录 文件事件变化； 2. sersync 调用 rsync 客户端命令将更新的目录和文件增量同步到 rsync 服务器，实现数据同步 也就是说，你在 rsync 服务器上，如果有 符号链接，你在备份服务器 #上运行客户端的同步数据时，只会把符号链接名同步下来，并不会同 步符号链接的内容 log file=/var/log/rsyncd.log 数据同步测试 源服务器创建文件 ? 目的服务器查看 ? rsync 数据同步日志 ?
1.9K20发布于 2020-07-16 新场景 AI搜索 实战：8 个 AI 搜索新场景怎么布局？
这个数据直接说明一件事：AI搜索引擎不是一个大池子，是多个引用偏好完全不同的信息通道。本文基于对8个AI搜索场景的引用源实测，拆解不同平台的内容抓取逻辑，以及技术内容如何通过平台适配提升被引概率。 8个场景的引用源分布实测AI搜索目前可以拆分为8个典型场景：通用问答（豆包、DeepSeek的日常提问）、专业垂询（秘塔这类学术向搜索）、本地生活、购物决策、编程开发、健康咨询、投资理财、学术研究。 这验证了不同AI引擎对垂直站与综合平台的权重分配差异，根源在于训练数据中平台权威性评分的不同。 AI合成答案时，你的信息块能以「某服务商的产品数据显示……」的形式被直接引用。 实测总结AI搜索的8个场景各有各的引用偏好，但底层逻辑一致：先搞清楚自己行业在各个AI引擎上的引用源分布，再按平台内容公式改写不同版本分发，最后用固定提问词每月追踪出现率变化。
15110编辑于 2026-08-13- 来自专栏PUSDN平行宇宙软件开发者网
数据库导入报错start 1273 - Unknown collation: utf8mb4_0900_ai_ci
报错内容： [SQL] Query test start[ERR] 1273 - Unknown collation: 'utf8mb4_0900_ai_ci' 前情提示： Mac OS10.14 localhost MySQL8.0.18； centOS6.8final，MySQL5.6； 可能是mysql中高版本的数据库备份后导入低版本的mysql数据库产生的报错 报错原因： 生成转储文件的数据库版本为8.0 ,要导入sql文件的数据库版本为5.6,因为是高版本导入到低版本，引起1273错误 解决方法： 打开sql文件，用记事本或者sublime、editplus等打开全局搜索即可。 ，将文件中的所有 utf8mb4_0900_ai_ci 替换为 utf8_general_ci utf8mb4 替换为utf8 保存后，再次导入sql文件，运行成功
85110编辑于 2023-10-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号